语音增强是针对语音传递中经常遇到的噪音干扰的问题而设计的一种噪音削弱、语音强化的方法。而在语音识别的时候总会有各种或多或少的背景噪音夹杂在语音中。那么语音增强就可以有效的降低背景噪音、强化语音、提升语音识别的效果。本文选题来源于国家自然科学基金项目多民族语言语音识别。该项课题实施中需要解决语音识的噪音问题,故就有了本论文的研究的目的。本文选题的目和意义是解决带噪语音识别困难,改善听取语音质量。研究更有效的区分噪音和藏语拉萨话的增强系统,提升识别的准确率。本文展开了以下的工作:着重探讨和分析了语音增强的技术和藏语语音处理的方法。概述了藏语发音特点和藏语语音学相关知识,在语音预处理和语音数字信号处理知识进行了概要介绍。对于语音增强语料的标准和采集相关流程采用了标准的方法,介绍了如何完成了实验语料的采集和制作,测试语料的制作和测试。本文实验选择了传统单通道语音增方法并对该方法进行研究。传统语音增强方法中研究了几类具有代表性的方法,并进一步探讨了传统语音增强算法的基本原理。分析了各种方法下的语音增强系统的框图,对于各种传统单通道语音增强的技术路线进行了分析,研究了实验结果。同时本文着重探讨和分析了神经网络的语音增强方法:借鉴了深度神经网络,创新性的提出了语音增强深度神经网络模型并采用了该模型进行降噪,对带噪语音进行训练。着重对于深度神经网络的数学模型进行了研究,讨论了语音增强深度神经网络的工作的原理。探讨了训练的语音增强深度神经网络模型,给出了语音增强深度神经网络工作流程——提取数据非线性的特征,调节深度神经网络训练,特征锁定,完成模型建立。研究了深度神经网络隐层数量上对于增强效果的影响。通过上述两类方法得到了实验的结果。探讨和分析了主观评判标准和客观评判标准,并通过传统单通道方法和深度神经网络方法相互比较得到语音增强后的结果。添加了语音识别率的评判标准,用于评判增强方法的效果。通过分析增强标准的数据,得到了如下的结论。1)在主观评判标准下深度神经网络的方法的情况下要好于传统语音增强方法。2)在客观标准下深度神经网络的方法在各个标准上也显然优于传统的增强方法。3)传统单通道方法相互比较中:谱减法对于自适应滤波法的效果相差不是特别大,维纳滤波法效果优于谱减法,对数域最小均方误差法降噪后产生了近似白噪音的语音残留去除了音乐噪音、其他三种传统方法有一定音乐噪音残留。